[发明专利]一种基于高分辨序列图像的空间目标三维重构方法

摘要

本发明涉及一种基于高分辨序列图像的空间目标三维重构方法，利用SIFT特征描述子依次提取序列图像精确稳健点特征，并通过哈希级联对相邻图像进行快速精准匹配；联合对应相机内参数矩阵，利用运动恢复结构，获取图像序列间相对姿态，并得到空间目标稀疏点云模型；通过对序列图像进行匹配，扩散插值，迭代滤除，获得空间目标密集的三维点云模型；利用获取的密集点云模型进行表面重建，得到致密的空间目标网格模型；利用获取的精准致密网格模型进行纹理贴图，最终得到可视化的空间目标三维模型。本发明可实现快速、精准图像匹配，修复重建表面高光空洞，获取精细、可视化空间目标三维模型。

主权项

1.一种基于高分辨序列图像的空间目标三维重构方法，其特征在于步骤如下：步骤1：利用SIFT特征描述子依次提取一组空间目标高分辨序列图像集I＝{I1,I2,…,In}的精确稳健点特征，并通过哈希级联对每一幅图像设定的N个近邻图像对进行快速精准匹配，得到图像Ii的N个近邻图像对匹配集为Mi＝{mi,i‑N,mi,i‑N+1,…mi,j…,mi,i+N‑1,mi,i+N}；所述精确稳健点特征的特征表现为尺度不变性、旋转不变性；步骤2：利用RANSAC估计对经过特征匹配的图像对进行立体匹配，在每次RANSAC循环中，通过从近邻图像对匹配集Mi中选取特征匹配点最多的图像对作为初始匹配对，联合图像的相机内参数矩阵K，采用八点算法估算出基础矩阵F；对基础矩阵F进行归一化奇异值分解，得到图像对的相对旋转矩阵P与平移矩阵t；利用增量式运动恢复结构，获取空间目标捕获相机采集姿态，得到结构化图像集和空间目标稀疏点云模型；步骤3：对结构化图像集和空间目标稀疏点云模型，通过对序列图像I＝{I1,I2,…,In}进行Harris或DoG角点精匹配，经过对稀疏特征点云模型进行双线性扩散插值，并利用光度一致性原则约束迭代滤除错落在实际表面外部及内部的错误点，扩散插值和滤波过程可迭代3次，获得空间目标密集的三维点云模型；步骤4、对获取的空间目标密集的三维点云模型进行基于空间浮动尺度隐函数的表面重建：利用生成正则化八叉树体素定义的隐函数的零等值面{x|implictF(x)＝0}作为空间目标重构模型表面，得到初始致密的空间目标网格模型，网格呈三角面片式；步骤5：对初始致密的空间目标网格模型进行冗余清除，设定几何置信度阈值进行由边缘向内部的包络去除，得到致密的空间目标网格模型；步骤6：对致密的空间目标网格模型进行大尺度无缝拼接的纹理贴图，用成对马尔科夫随机场能量公式E(l)指定一个视图li作为网格表面Fi对应的纹理，相应的lj作为网格面片Fj对应的纹理，其中Fi,Fj表示空间目标网格模型三角面片，该过程最终得到精细可视化的空间目标三维模型，能量公式为：Edate代表选取对应面片Fi∈Faces最佳视图的数据项约束，Esmooth则表征两个网格面片边界接缝处(Fi,Fj)∈Edges的平滑项约束；步骤7：通过光度一致性检测消除梯度幅度的邻近视图遮挡，并进一步利用欧氏距离权重衰减进行近邻表面颜色调整，降低空间目标模型接缝可见性，获取精细可视化的空间目标三维模型。